Académique Documents
Professionnel Documents
Culture Documents
Pgina | 2
Cmo se usa? Vamos a encontrar 2 variables: Y: Dependiente. Que es lo que queremos explicar y/o pronosticar. X: Independiente. a que explica. Y se supone que esto va a estar conectado atreves de una ecuacin. A continuacin un ejemplo de la representacin grafica de un modelo de regresin lineal simple.
1.2.- Supuestos
Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los siguientes supuestos: 1. La relacin entre las variables es lineal. 2. Los errores en la medicin de las variables explicativas son independientes entre s. 3. Los errores tienen varianza constante. (Homocedasticidad) 4. Los errores tienen una esperanza matemtica igual a cero (los errores de una misma magnitud y distinto signo son equiprobables).
Pgina | 3
5. El error total es la suma de todos los errores. 6. Los valores de la variable independiente X son fijos, medidos sin error. 7. La variable Y es aleatoria 8. Para cada valor de X, existe una distribucin normal de valores de Y (subpoblaciones Y) 9. Las variancias de las subpoblaciones Y son todas iguales. 10. Todas las medias de las subpoblaciones de Y estn sobre la recta. 11. Los valores de Y estn normalmente distribuidos y son estadsticamente independientes.
Donde:
es:
Para
es:
Pgina | 4
los
Coeficientes
de
Correlacin
de
El coeficiente de correlacin lineal es el cociente entre la covarianza y el producto de las desviaciones tpicas de ambas variables. El coeficiente de correlacin lineal se expresa mediante la letra r. Propiedades: 1. El coeficiente de correlacin no vara al hacerlo la escala de medicin. Es decir, si expresamos la altura en metros o en centmetros el coeficiente de correlacin no vara. 2. El signo del coeficiente de correlacin es el mismo que el de la covarianza. Si la covarianza es positiva, la correlacin es directa.
Pgina | 5
Si la covarianza es negativa, la correlacin es inversa. Si la covarianza es nula, no existe correlacin. 3. El coeficiente de correlacin lineal es un nmero real comprendido entre 1 1 r 1 4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte e inversa, ser tanto ms fuerte cuanto ms se apro ime r a 1. 5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1. 6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin es dbil. 7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o decreciente. Entre ambas variables hay dependencia funcional. La frmula que se emplean para determina el coeficiente de correlacin es: 1.
Pgina | 6
Consideraremos el estadstico Ho : 1 = 0.
Esperamos que F est cerca de 1 si Ho es verdadera y que F sea grande y positiva cuando Ho es falsa. Distribucin de Fisher con (1, n2) grados de libertad. Por lo tanto un test de nivel para las hiptesis Ho : 1 = 0 H1 : 1 0
Se rechazar Ho si el valor del estadstico para los datos de la muestra produce un p-valor (calculado sobre la distribucin F de Fisher) menor que el nivel . La hiptesis nula No se Rechazara, si el cociente F es ms pequeo.
Pgina | 7
Para hacer todo esto posible necesitamos usa la tabla ANOVA, que es la siguiente
Fuente de Variacin Regresin Suma de cuadrados GL 1 Cuadrados Medios
Error
n-2
Total n-1
Notemos que la varianza de 1 disminu e (la estimacin es ms precisa) cuando: La varianza disminuye.
La varianza de la variable regresora aumenta Mientras ms amplio el rango de valores de la covariable, mayor la precisin en la estimacin.
Pgina | 8
El tamao de muestra aumenta. Desviacin Estndar de los Residuos Un intervalo de confianza de nivel (1 ) para el parmetro recta de regresin poblacional) est dado por (pendiente de la
Donde tn2, /2 es el percentil de la distribucin t de Student con n 2 grados de libertad que deja a su derecha un rea.
Pgina | 9